Van egy adatsorom, amely úgy néz ki, mint {{x1, y1, z1}, {x2, y2, z2}, ...}, így leírja a 3D tér pontjait . Hőtérképet szeretnék készíteni ezekből az adatokból. Tehát a nagy sűrűségű pontok felhőként jelennek meg, és a sűrűségtől függően különböző színekkel vannak jelölve.
Valójában csak 3D-re szeretném a szkript eredményét:
data = RandomReal[1, {100, 2}]; SmoothDensityHistogram[data, 0.02, "PDF", ColorFunction -> "Rainbow", Mesh -> 0] 
Megjegyzések
Válasz
Ha háromdimenziós elosztást szeretne ábrázolni, akkor először létre kell hoznia ! A SmoothDensityHistogram sima kernel hisztogramot rajzol az $ \ {x_i, y_i \} $ értékekre, de mivel itt háromdimenziós adatok állnak rendelkezésünkre, szükségünk van a SmoothKernelDistribution!
data = RandomReal[1, {1000, 3}]; dist = SmoothKernelDistribution[data]; Most megkapta a valószínűségeloszlást három változóval. Tehát egyszerűen felrajzolhatjuk a PDF -et 3d kontúr-diagramként a ContourPlot3D segítségével. Ne feledje, hogy ez a függvény kissé lassúnak számít.
ContourPlot3D[Evaluate@PDF[dist, {x, y, z}], {x, -2, 2}, {y, -2, 2}, {z, -2, 2}, PlotRange -> All, Mesh -> None, MaxRecursion -> 0, PlotPoints -> 160, ContourStyle -> Opacity[0.45], Mesh -> None, ColorFunction -> Function[{x, y, z, f}, ColorData["Rainbow"][z]], AxesLabel -> {x, y, z}] 
A kontúrok átvágásához az opciót használtam!
RegionFunction -> Function[{x, y, z}, x < z || z > y] Annak ellenőrzésére, hogy az adatpont sűrűsége felelős-e a kontúrokat használhatunk Graphics3D
pic = Graphics3D[{ColorData["DarkRainbow"][#[[3]]], PointSize -> Large, Point[#]} & /@ data, Boxed -> False]; Show[con, pic] 
BR
SZERKESZTÉS
Követés fel a 2D példán, és meleg színeket kaphat a nagyobb sűrűségért
data = RandomReal[1, {500, 3}]; dist = SmoothKernelDistribution[data]; ContourPlot3D[Evaluate@PDF[dist, {x, y, z}], {x, -2, 2}, {y, -2, 2}, {z, -2, 2},PlotRange -> All, Mesh -> None, MaxRecursion -> 0, PlotPoints -> 150, ContourStyle -> Opacity[0.45], Contours -> 5, Mesh -> None, ColorFunction -> Function[{x, y, z, f}, ColorData["Rainbow"][f/Max[data]]], AxesLabel -> {x, y, z}, RegionFunction -> Function[{x, y, z}, x < z || z > y]] 
Megjegyzések
- ' nem használhatja a
ListContourPlot3D, szerkesztés soha, az eredmény borzalmas. - Nagyon köszönöm, hogy az a szkript a szerkesztéssel pontosan elvégzi a munkát! Egy dolog, ha összekapcsolom a Pontképet a kontúrdiagrammal, a következőt kapom: a kontúrdiagram, de tartalmaz néhány pontot …
- @ user1936577 kérjük, fontolja meg, hogy egyszerűbb felhasználói nevet használ; Használhatja a
Casesvagy aSelectelemet a releváns pontok kiválasztásához. - csak megváltoztatta a nevet;) De szeretném hogy figyelembe vegyem a ContourPlot összes pontját, és most ' kíváncsi vagyok erre a területre, amelyet a fenti linken jelöltem
Válasz
Az alábbi kód ( itt átdolgozva ) olyan kimenetet állít elő, amely hasonló a Image3D, amely sajnos csak a Mathematica 9-es verzióhoz érhető el.
Néhány véletlenszerű 3D-s adat:
data = RandomReal[{-3, 3}, {5000, 3}]; Itt adjuk meg a bin (-3, 3) tartományt és az összekapcsolási felbontást:
binning = {-3, 3, .5}; A tényleges előállítandó kód az ábra:
binned = BinCounts[data, binning, binning, binning]; dims = Dimensions@binned; normbinned = N[binned/Max[binned]]; coordswithdataAll = Table[{normbinned[[x, y, z]], {x, y, z}}, {x, 1, dims[[1]]}, {y, 1, dims[[2]]}, {z, 1, dims[[3]]}]; coordswithdata = Table[Select[coordswithdataAll[[j, i]], #[[1]] != 0 &], {j, dims[[1]]}, {i, dims[[1]]}]; cubes = {ColorData["Rainbow"][#1], Opacity@#1, EdgeForm[], Cuboid@#2} &; output = ParallelMap[cubes @@ # &, coordswithdata, {3}]; Graphics3D[output, PlotRange -> Transpose[{ConstantArray[1, 3], dims + 1}], Lighting -> "Neutral"] 
megjegyzések
- szavazzon neked 🙂
- +1, mert sokkal, de sokkal gyorsabb, mint az 1. válasz.
Image3D…